路用水性环氧树脂的拉伸强度预测和极值寻优

为实现路用水性环氧树脂力学参数极值寻优,以进一步科学优化其材料组成及配比,基于不同类型原材料自身属性及其掺量的调控,制备了一系列路用水性环氧树脂;以拉伸强度为例,开展了力学参数标定试验并获取了75组有效数据,以此构建了基于小样本数据的传统多元回归方程、典型前馈式及反馈式神经网络等不同预测模型,对比分析了不同模型的拟合效果与预测精度;采用遗传算法对优选的预测模型进行优化,实现了拉伸强度极值寻优功效,回溯确定了原材料各项属性及掺量的最佳取值,为路用水性环氧树脂材料组成及配比的科学优化提供有益借鉴.结果表明:相比五元非线性回归方程和反向传播(Back Propagation,BP)模型,Elman模型的预测误差降低了25. 94% ～37. 5% ,具有较好的预测精度和稳定性;综合考虑预测精度和运算速度,推荐采用Elman神经网络(6×4×1)作为路用水性环氧树脂拉伸强度的预测模型;采用遗传算法可快速获得最优拉伸强度和相关材料组成及配比,降低试验成本,但其准确度仍需进一步优化.

Prediction and Extreme Value Optimization of Tensile Strength of Waterborne Epoxy Resin for Road